公務(wù)員期刊網(wǎng) 精選范文 激光遙感技術(shù)范文

激光遙感技術(shù)精選(九篇)

前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的激光遙感技術(shù)主題范文,僅供參考,歡迎閱讀并收藏。

激光遙感技術(shù)

第1篇:激光遙感技術(shù)范文

關(guān)鍵詞:高光譜;冠層光譜反射率;逐步判別分析;特征參量選取

中圖分類號(hào): S127 文獻(xiàn)標(biāo)識(shí)碼:A DOI 編碼:10.3969/j.issn.1006-6500.2014.09.007

Abstract: The canopy spectral data characteristic parameters of 5 fruit tree species (apple, pear trees, walnut, red dates, apricots) planted in the southern Xinjiang basin were selected, the object was to improve the classification accuracy of fruit tree species and screened for canopy species identification of the 5 species of the characteristic parameters, so as to provide reference for the high spectrum fruit tree identification data processing methods. The UniSpec-SC (Dan Tongdao) canopy portable spectrum analyzer produced by USA PP Systems were used for different species of spectral measurement, using stepwise discriminate analysis method for species identification and effective characteristic parameters on hyper spectral data selection after the discovery. The results showed that the characteristic parameters of total classification accuracy of species recognition was 86.67%, and significantly higher than that 72% of the total band. The effective characteristic parameters selected for stepwise discriminate analysis method were the blue edge area, blue edge slope, yellow edge area, near infrared platform, red edge area, blue edge position, yellow edge position, red edge position.

Key words: high spectrum; canopy spectral reflectance; stepwise discriminant analysis; feature band selection

高光譜遙感在為樹種的精細(xì)識(shí)別帶來(lái)可能性的同時(shí),也帶來(lái)了數(shù)據(jù)冗余的問(wèn)題。如何有效地利用高光譜數(shù)據(jù)的最大信息,同時(shí)又能較快地處理高光譜數(shù)據(jù)成為高光譜遙感研究的熱點(diǎn)和未來(lái)的發(fā)展方向[1-3]。在新疆林果產(chǎn)業(yè)化的進(jìn)程中,特色林果產(chǎn)業(yè)的信息化建設(shè)明顯滯后,傳統(tǒng)調(diào)查方式以多光譜遙感和地面輔助調(diào)查為主,這不僅費(fèi)時(shí)、耗力,且周期較長(zhǎng),而快速、準(zhǔn)確掌握特色林果資源布局、規(guī)模等基本信息已經(jīng)成為新疆特色林果產(chǎn)業(yè)快速健康發(fā)展的迫切需求,林果樹種的遙感識(shí)別就是這一工作的核心內(nèi)容。因此,林果樹種的遙感識(shí)別在特色林果產(chǎn)業(yè)的可持續(xù)經(jīng)營(yíng)中具有重要的現(xiàn)實(shí)意義[4-6]。

綠色植被的光譜曲線雖然在整體趨勢(shì)上具有相似性,但是不同植被類型甚至不同個(gè)體間的光譜都會(huì)存在一些細(xì)微差異,這些差異性往往集中表現(xiàn)在植被光譜曲線的一些特征位置點(diǎn)和特征參量上。在可見光范圍內(nèi),常用的特征位置點(diǎn)主要包括“藍(lán)邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”和 “近紅外平臺(tái)”等[7-10],根據(jù)這些特征位置點(diǎn)還能夠延伸出藍(lán)邊斜率、黃邊斜率、紅邊斜率、包絡(luò)線斜率、藍(lán)邊面積、黃邊面積、紅邊面積和紅谷凈深度等特征參量[11]。不同植被在這些特征波段范圍的光譜反射率差異較大,它們不僅能反映出植被健康狀況的變化特征[12],同時(shí)還能作為植被識(shí)別的主要特征波段[13]。有研究表明,在雪松、樟樹、側(cè)柏等主要城市綠化樹種的識(shí)別過(guò)程中,采用特征參數(shù)的選擇,經(jīng)距離判別分析后樹種的識(shí)別精度均可以達(dá)到95.00%以上[14]。而在樟樹、馬尾松、荷花玉蘭的識(shí)別中,采用特征參數(shù)的選擇,神經(jīng)網(wǎng)絡(luò)判別樹種識(shí)別總精度也可達(dá)到93.33%[13]。

可見,在樹種識(shí)別過(guò)程中,有效特征位置點(diǎn)的選擇能夠在很大程度上提高樹種識(shí)別精度。然而關(guān)于林果樹種的遙感識(shí)別的文獻(xiàn)并不常見,本研究以5種果樹不同的特征位置參量為數(shù)據(jù)源,利用逐步判別分析進(jìn)行樹種分類識(shí)別并選擇最敏感的樹種識(shí)別特征參量。

1 材料和方法

1.1 材 料

試驗(yàn)于2012年7月在新疆阿克蘇市紅旗坡農(nóng)場(chǎng)新疆農(nóng)業(yè)大學(xué)教學(xué)科研實(shí)習(xí)基地(地理坐標(biāo)N41°17′56.42″~N41°18′56.16″、E80°20′23″~E80°20′56.16″,海拔1 215 m)進(jìn)行。試驗(yàn)對(duì)象為南疆塔里木盆地5種主栽果樹樹種:紅富士蘋果(Malus pumila Mill)、庫(kù)爾勒香梨(Pyru-bretschneideri Rehd)、核桃(Juglans regia Linn)、紅棗(Ziziphus zizyphus Mill)和杏(Armeniaca vulgaris Lam)。試驗(yàn)區(qū)果樹為東西行向栽植。

1.2 樣株選擇

樣本選擇均為結(jié)構(gòu)良好的冠型,蘋果、核桃、杏為中冠型,香梨、紅棗為小冠型。選擇的樣本均掛果較多,蘋果、核桃處于著色期、香梨處于彭大期、紅棗處于開花坐果期、杏處于成熟期。共選擇總樣本209株。基本生長(zhǎng)狀況如表1所示。

1.3 光譜數(shù)據(jù)采集

試驗(yàn)時(shí)間選擇在南疆果樹生長(zhǎng)最為旺盛的7月,在晴朗無(wú)風(fēng)的天氣條件下,選擇正午太陽(yáng)高度角變化不大的時(shí)間段(北京時(shí)間12:00―16:00)進(jìn)行5種果樹冠層光譜反射率數(shù)據(jù)測(cè)量。光譜測(cè)定儀器為美國(guó)PP Systems公司生產(chǎn)的UniSpec-SC(單通道)便攜式光譜分析儀,該型號(hào)光譜儀可以在可見光\近紅外310~1 130 nm波長(zhǎng)范圍內(nèi)進(jìn)行連續(xù)測(cè)量,光譜分辨率為1 nm,最大視場(chǎng)角為20°。測(cè)量時(shí),光譜儀探頭垂直向下,與冠幅距離約1.5 m左右并且根據(jù)所選樣本冠幅大小調(diào)整探頭與冠幅的距離,對(duì)冠層行測(cè)量。每個(gè)樣株重復(fù)測(cè)量5次。為保證數(shù)據(jù)的準(zhǔn)確性,每測(cè)一個(gè)單個(gè)樣本進(jìn)行一次參考板矯正。在去除異常光譜曲線后每個(gè)樹種均保留30個(gè)樣本供研究。

1.4 特征參量定義

光譜曲線由于植被色素以及自身原因的會(huì)產(chǎn)生一定的峰谷值。由于植被的色素、微量元素的含量以及葉面結(jié)構(gòu)的不同都會(huì)導(dǎo)致不同的植被出現(xiàn)走勢(shì)類似,但依然有差別的光譜曲線,而這些光譜曲線都較明顯地出現(xiàn)在這些峰谷值上,這些具有代表性的波段處就形成了一些常用的特征位置點(diǎn)。因此,本研究擬采用這些特征位置點(diǎn)做樹種識(shí)別。在所選波段范圍內(nèi),常用的特征位置點(diǎn)分別為“藍(lán)邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”、“近紅外平臺(tái)”等6個(gè)特征位置點(diǎn)(表2)。

2 結(jié)果與分析

2.1 果樹冠層光譜原始全波段數(shù)據(jù)光譜特征及精度分析

2.1.1 原始全段數(shù)據(jù)的光譜曲線特征 在去除光譜數(shù)據(jù)中受首尾噪聲影響的波段后,繪制南疆5種果樹冠層光譜曲線圖(圖1)。從圖1可以看出,5種果樹冠層光譜走勢(shì)整體上非常相似,但是在525~575 nm、675~720 nm以及750~850 nm這3個(gè)波段范圍內(nèi)曲線分離度較大,表現(xiàn)出了明顯的差異性。特別是在550 nm、680 nm這2個(gè)波段處5種果樹反射率差異極顯著(P

2.1.2 原始全段數(shù)據(jù)的樹種分類結(jié)果 采用逐步判別分析法進(jìn)行5種果樹樹種的高光譜識(shí)別研究,從冠層光譜反射率數(shù)據(jù)的樹種識(shí)別結(jié)果(表3)中可以看出,樹種的總識(shí)別精度為72.00%,可分性較好的樹種為香梨,分類精度可達(dá)93.33%,其他4種果樹的分類效果相對(duì)較差,特別是蘋果識(shí)別精度僅有60.00%,大部分錯(cuò)分為了杏和紅棗。

2.2 特征位置點(diǎn)選取與樹種識(shí)別精度評(píng)價(jià)

2.2.1 特征位置點(diǎn)選取結(jié)果 分別對(duì)5種果樹樹種(蘋果、香梨、核桃、紅棗和杏)的30個(gè)樣本分別取均值,得到相應(yīng)樹種的均值光譜曲線,分別計(jì)算出5種果樹樹種的冠層光譜的藍(lán)邊位置、黃邊位置、紅邊位置、綠峰位置、紅谷和近紅外平臺(tái)6個(gè)特征位置點(diǎn)(表4和圖2)。同時(shí),根據(jù)已選特征位置點(diǎn)計(jì)算8個(gè)特征參量:藍(lán)邊斜率(DA)、黃邊斜率(DE)、紅邊斜率(FE)、包絡(luò)線斜率(DF)、藍(lán)邊面積(SA)、黃邊面積(SB)、紅邊面積(SC)和紅谷凈深度(HE)。

在450~900 nm波長(zhǎng)范圍內(nèi)選擇的6個(gè)特征位置點(diǎn)“藍(lán)邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”、“近紅外平臺(tái)”分別用A、B、C、D、E、F字母表示。本研究的5種果樹冠層均值光譜曲線上的6個(gè)特征位置點(diǎn)分布非常集中,其“藍(lán)邊”、“黃邊”、“紅邊”、“綠峰”、“紅谷”和“近紅外平臺(tái)”6個(gè)特征位置點(diǎn)分別集中在524,598,724,553,676 ,753 nm附近。特征參量中藍(lán)邊斜率(DA)、黃邊斜率(DE)、紅邊斜率(FE)和包絡(luò)線斜率(DF)反映了524~553 nm、553~676 nm、676~753 nm和553~753 nm這4個(gè)波段范圍的光譜曲線特征。而藍(lán)邊面積(SA)、黃邊面積(SB)、紅邊面積(SC)和紅谷凈深度(HE)4個(gè)特征參數(shù)反映了490~530 nm、560~640 nm、680~760 nm以及553~753 nm這4個(gè)波段范圍內(nèi)的光譜曲線特征。由此可見,選擇的6個(gè)特征位置點(diǎn)和8個(gè)特征位置參量在光譜序列上的特定位置基本能夠表征出可見光至近紅外波段的植被光譜特征(表4和圖2)。

2.2.2 基于不同特征參數(shù)的果樹冠層光譜分類及精度分析 為檢驗(yàn)上述6個(gè)特征位置點(diǎn)和8個(gè)特征參量的樹種識(shí)別效果,經(jīng)逐步判別分析后分類結(jié)果如下(表5)。

從樹種識(shí)別結(jié)果來(lái)看,與全波段數(shù)據(jù)的分類結(jié)果相比,經(jīng)過(guò)特征位置點(diǎn)和特征參量的提取后,樹種的總分類精度由全波段數(shù)據(jù)的72.00%提高到了86.67%。核桃的分類精度最高為96.00%,較原始數(shù)據(jù)有了明顯的提高,錯(cuò)分幾率僅為3.33%,30個(gè)核桃樣本中僅有3.33%錯(cuò)分為蘋果;香梨和紅棗的識(shí)別精度也相對(duì)較高,均為90.00%,錯(cuò)分幾率為10.00%,香梨較原始波段的識(shí)別精度均有一定的下降,但是紅棗卻較原始數(shù)據(jù)的分類精度提高了16.67%;蘋果的分類精度有了大幅度的提高由原來(lái)的60.00%提高到了86.67%,錯(cuò)分幾率為13.33%,與杏和紅棗發(fā)生了很大程度的混淆;杏的分類精度最低為70.00%,錯(cuò)分幾率最大,為30.00%,大部分錯(cuò)分為蘋果,并且與香梨發(fā)生了一定程度的混淆現(xiàn)象。由此說(shuō)明,采用基于果樹冠層光譜特征位置點(diǎn)和特征參量進(jìn)行果樹樹種識(shí)別時(shí),5種果樹中核桃、香梨、紅棗和蘋果識(shí)別精度相對(duì)較高,而杏的識(shí)別精度相對(duì)較低。

2.2.3 樹種識(shí)別的有效特征位置點(diǎn)及特征參量提取 參與樹種識(shí)別的14特征參量經(jīng)逐步判別分析后僅保留了8個(gè),包括4個(gè)特征位置點(diǎn)和4個(gè)特征參量。從他們所處的光譜波段來(lái)看,藍(lán)邊位置、黃邊位置、紅邊位置和近紅外平臺(tái)分別位于524,598,724,753 nm波段;而藍(lán)邊面積、藍(lán)邊斜率、黃邊面積和紅邊面積分別位于490~530 nm、524~553 nm、560~640 nm和680~760 nm波段范圍內(nèi),這些特征位置點(diǎn)和特征參量的波段分布范圍基本涵蓋了整個(gè)可見光和近紅外波段,且依樹種不同表現(xiàn)出較大差異,而這些差異可能是由于各樹種葉片色素含量、葉片形狀、大小、冠型等特征的差異所致。因此,可以認(rèn)為這4個(gè)特征位置點(diǎn)和4個(gè)特征參量是進(jìn)行5種果樹樹種分類的重要敏感波段區(qū)間(表6)。

3 討 論

根據(jù)光譜特征選擇的特征位置點(diǎn)具有穩(wěn)定性,或者是在一定范圍之內(nèi)的[11]。本研究根據(jù)光譜特征選取了6個(gè)特征位置點(diǎn),分別為藍(lán)邊位置、黃邊位置、紅邊位置、綠峰位置、紅谷位置以及近紅外平臺(tái)。有研究曾提出一種針對(duì)植被光譜維特征的提取模型,主要提取了8個(gè)特征位置點(diǎn),認(rèn)為這8個(gè)特征位置點(diǎn)十分恒定,分別為藍(lán)紫波段吸收峰、藍(lán)邊位置、綠峰位置、黃邊位置、紅谷位置、近紅外平臺(tái)和近紅外反射率最大點(diǎn),對(duì)應(yīng)波段分別為404,525,556,573,671,723,758,900 nm。本研究選取的6個(gè)特征位置點(diǎn)均位于這些特征位置點(diǎn)的附近[11]。

在特征位置點(diǎn)和特征參量參與下能夠在很大程度上提高樹種識(shí)別的精度,本研究選取了14個(gè)特征位置點(diǎn)與特征參量,篩選出對(duì)果樹樹種識(shí)別敏感的8個(gè)參量(藍(lán)邊位置、黃邊位置、紅邊位置、近紅外平臺(tái)、藍(lán)邊面積、藍(lán)邊斜率、黃邊面積和紅邊面積),樹種識(shí)別總精度為86.67%,明顯高與全波段參與的樹種分類的總精度72.00%。李永亮等運(yùn)用神經(jīng)網(wǎng)絡(luò)分類法對(duì)樟樹、馬尾松、荷花玉蘭3種樹種進(jìn)行了識(shí)別研究,在波段選擇時(shí)選用了“紅邊”、“紅谷”和“紅谷位置”3個(gè)特征位置點(diǎn)以及黃邊面積、紅谷面積、紅邊面積和紅邊寬度4個(gè)特征參量。結(jié)果表明,運(yùn)用這些特征位置點(diǎn)和特征參量可以識(shí)別出了全部的馬尾松成熟林與樟樹幼樹,總識(shí)別精度可達(dá)93.33%[13]。何詩(shī)靜等[14-15] 在做城市樹種識(shí)別時(shí),選取了藍(lán)紫波段吸收峰、藍(lán)邊位置、綠峰位置、黃邊位置、紅谷位置、近紅外平臺(tái)這7個(gè)特征位置點(diǎn),作為樹種識(shí)別的主要波段,取得了95.00%以上的分類精度。這說(shuō)明特征位置點(diǎn)與特征參量組合可以在很大程度上提高樹種識(shí)別的精度。但由于植被類型差異,所選的特征位置點(diǎn)和特征參量類型及數(shù)量也會(huì)有所不同。

4 結(jié) 論

(1)特征參數(shù)的選取能夠在很大程度上提高樹種識(shí)別的精度,本研究選取了14個(gè)特征位置點(diǎn)與特征參量,篩選出對(duì)果樹樹種識(shí)別敏感的8個(gè)參量(藍(lán)邊位置、黃邊位置、紅邊位置、近紅外平臺(tái)、藍(lán)邊面積、藍(lán)邊斜率、黃邊面積和紅邊面積),樹種識(shí)別總精度為86.67%,明顯高與全波段參與的樹種分類的總精度72.00%。

(2)在基于特征參數(shù)光譜數(shù)據(jù)的南疆盆地主栽5種果樹樹種識(shí)別研究中,藍(lán)邊位置、黃邊位置、紅邊位置和近紅外平臺(tái)4個(gè)特征位置點(diǎn)以及藍(lán)邊面積、藍(lán)邊斜率、黃邊面積、紅邊面積4個(gè)特征參量是樹種分類的重要敏感波段區(qū)間。從他們所處的光譜波段來(lái)看,藍(lán)邊位置、黃邊位置、紅邊位置和近紅外平臺(tái)分別位于524,598,724,753 nm波段;而藍(lán)邊面積、藍(lán)邊斜率、黃邊面積和紅邊面積分別位于490~530 nm、524~553 nm、560~640 nm和680~760 nm波段范圍內(nèi)。

參考文獻(xiàn):

[1] 陳述澎,童慶喜,郭華東,等.遙感信息機(jī)理研究[M].北京:科學(xué)出版社,1998:139.

[2] 王志輝.高光譜遙感在森林樹種識(shí)別中的應(yīng)用[D].杭州:浙江農(nóng)林大學(xué),2011.

[3] 褚希鵬.基于葉片非成像高光譜數(shù)據(jù)樹種分類[D].浙江:浙江農(nóng)林大學(xué),2012.

[4] 陳國(guó)芳,尼和邁提?霍嘉.新疆林果業(yè)產(chǎn)業(yè)化發(fā)展的對(duì)策建議[J] .新疆農(nóng)業(yè)科學(xué),2005,42(S1):211-212.

[5] 李金葉, 袁強(qiáng), 蔣慧.基于區(qū)域適應(yīng)性的特色林果業(yè)發(fā)展探討[J] .新疆農(nóng)業(yè)科學(xué),2010,47(4):741-749.

[6] 孫蘭鳳.可持續(xù)視角下的新疆特色林果業(yè)發(fā)展研究[D].烏魯木齊:新疆農(nóng)業(yè)大學(xué),2009.

[7] 尹小君.新疆加工番茄主要病蟲害遙感監(jiān)測(cè)方法與應(yīng)用[M].北京:中國(guó)農(nóng)業(yè)大學(xué)出版社,2013.

[8] Curran P J,Windham W R,Gholz H L.Exploring the relationship between reflectance red edge and chlorophyll content in slash pine leaves[J].Tree Physiology,1995,15(2):203-206.

[9] Gitelson A A,Merzlyak M N. Spectral reflectance changes associate with autumn senescence of Aesculus hippocastanum L. and Acer plantanoides L. leaves. Spectral features and relation to chlorophyll estimation[J].Journal of Plant Physiology,1994,143:286-292.

[10] Bach H,Mauser W. Improvement of plant parameter estimations with hyperspectral data compared to multispectral data[J].SPIE,1997,2959:59-67.

[11] 譚倩,趙永超,童慶禧,等.植物光譜維特征提取模型[J].遙感信息,2001(1):14-18.

[12] 胡珍珠.輪臺(tái)白杏葉片營(yíng)養(yǎng)元素濃度光譜估算模型[D].烏魯木齊:新疆農(nóng)業(yè)大學(xué),2013.

[13] 李永亮,林輝,孫華,等.基于BP神經(jīng)網(wǎng)絡(luò)的森林樹種分類研究[J].中南林業(yè)大學(xué)學(xué)報(bào),2010,30(11):43-46.

第2篇:激光遙感技術(shù)范文

②遙感技術(shù)興起于上世紀(jì)60年代,是指從遠(yuǎn)距離感知目標(biāo)反射、輻射或散射的可見光、紅外線、微波電磁波,從而對(duì)目標(biāo)進(jìn)行探測(cè)和識(shí)別的科學(xué)技術(shù)。人類目力有限,遙感技術(shù)的出現(xiàn),讓人類仿佛擁有了另一雙可以無(wú)限感知地球的“千里眼”。

③今年4月22日,國(guó)務(wù)院總理主持召開了部署蘆山地震抗震救災(zāi)工作會(huì)議,在身后掛著一幅蘆山縣震后航空影像圖。這幅影像圖對(duì)抗震決策起到至關(guān)重要的作用。它是由中國(guó)科學(xué)院遙感與數(shù)字地球研究所(以下簡(jiǎn)稱遙感地球所)提供的。遙感作業(yè)時(shí)間是4月20日11點(diǎn),距離地震發(fā)生剛剛過(guò)去3個(gè)小時(shí)。那么科研人員怎么利用遙感技術(shù)評(píng)估判斷地震災(zāi)情呢?

④遙感地球所航空遙感中心主任李震說(shuō):“遙感航拍得到的高分辨率影像,能請(qǐng)楚地辨識(shí)建筑物、道路、河流、車輛等地面信息。科研人員運(yùn)用專業(yè)知識(shí),與震前的遙感觀測(cè)數(shù)據(jù)比對(duì),就能夠判斷建筑物和道路的受損情況,道路上堆積的滑坡物大小、滑坡的土方量等等,發(fā)現(xiàn)潛在的山體垮塌、堰塞湖等次生災(zāi)害,并確定財(cái)產(chǎn)損失的基本情況,確定救援所需投入的人力、物力等?!笨傊?,利用遙感技術(shù)監(jiān)測(cè)和評(píng)估災(zāi)情,具有定位準(zhǔn)、速度快的特點(diǎn),可以第一時(shí)間獲取災(zāi)情數(shù)據(jù),服務(wù)抗震救災(zāi)。

⑤今年1月,我國(guó)中東部地區(qū)發(fā)生了數(shù)次極端強(qiáng)霧霾,主流觀點(diǎn)認(rèn)為,污染物排放量大,靜穩(wěn)天氣、擴(kuò)散條件不利,區(qū)域污染和本地污染貢獻(xiàn)疊加等是導(dǎo)致強(qiáng)霧霾的主要原因。遙感地球所陳良富研究員基于遙感衛(wèi)星觀測(cè)數(shù)據(jù)的統(tǒng)計(jì)與分析提出,除了人為排放引起的本地污染濃度上升這一內(nèi)在原因外,水汽、浮塵是造成霧霾來(lái)襲、能見度急劇下降的重要外部原因。

⑥目前,對(duì)霧霾主要靠地面監(jiān)測(cè),但地面監(jiān)測(cè)站只能監(jiān)測(cè)地上幾米高范圍內(nèi)的PM2.5數(shù)值。而灰霾隨高度變化,分布不一樣。利用激光遙感手段能獲得霾的垂直分布情況,反映整個(gè)區(qū)域霾的二維甚至三維情況。如果不科學(xué)地認(rèn)識(shí)極端強(qiáng)霧霾的發(fā)生機(jī)理,就容易判斷錯(cuò)誤,認(rèn)為都是由排放的污染物引起的,在治理上進(jìn)入誤區(qū)。要得出科學(xué)判斷,僅憑地面一種觀測(cè)手段是不夠的,還需要衛(wèi)星遙感觀測(cè)手段來(lái)補(bǔ)充,更全面客觀地掌握大氣污染狀況。

⑦另外,遙感技術(shù)對(duì)自然遺產(chǎn)和文化遺產(chǎn)的發(fā)現(xiàn)和保護(hù)的作用也不容小覷。應(yīng)用遙感技術(shù),美國(guó)考古學(xué)家發(fā)現(xiàn)了沉沒(méi)海底數(shù)千年的古埃及名城亞歷山大;希臘考古學(xué)家用紅外影像在科林斯灣發(fā)現(xiàn)了公元前373年毀于地震的古城“Hekike”;遙感地球所郭華東課題組利用雷達(dá)遙感技術(shù)發(fā)現(xiàn)了阿拉善高原干沙覆蓋下的古河湖串聯(lián)系統(tǒng)和明、隋古長(zhǎng)城……遙感技術(shù)也十分適用于文化遺產(chǎn)保護(hù),它的優(yōu)勢(shì)在于能獲得物體的三維圖像。若能及早對(duì)文化遺產(chǎn)進(jìn)行三維掃描,將來(lái)就可按照計(jì)算機(jī)模型對(duì)其進(jìn)行復(fù)原。更重要的是,科學(xué)家還能依據(jù)這些數(shù)據(jù)分析破壞發(fā)生的原因,如溫度、風(fēng)力、濕度等,從而指導(dǎo)文物部門進(jìn)行更加精細(xì)的修復(fù)。

⑧總之,近些年,我國(guó)遙感技術(shù)發(fā)展迅速,在_______________等方面廣泛應(yīng)用。

(文章選自2013年5月13日《人民日?qǐng)?bào)》,有刪減)

【閱讀訓(xùn)練】

1.請(qǐng)聯(lián)系全文內(nèi)容,將第⑧段空白部分補(bǔ)充完整。

2.閱讀下面句子,聯(lián)系上下文,探究括號(hào)中的問(wèn)題。

(1)人類目力有限,遙感技術(shù)的出現(xiàn),讓人類仿佛擁有了另一雙可以無(wú)限感知地球的“千里眼”。(為什么說(shuō)遙感技術(shù)是“千里眼”?)

(2)這幅影像圖對(duì)抗震決策起到至關(guān)重要的作用。(加點(diǎn)詞為什么不能刪去?)

3.第⑦段中列舉美國(guó)、希臘、中國(guó)等國(guó)專家應(yīng)用遙感技術(shù)的事例有何作用?

4.閱讀下面材料,結(jié)合文章內(nèi)容,回答問(wèn)題。

材料:龍門石窟位于洛陽(yáng)市區(qū)南面12公里處,歷經(jīng)東西魏至宋,雕鑿斷斷續(xù)續(xù)達(dá)400年之久,至今已有1500余年歷史。它密布于伊水東西兩山的峭壁上,南北長(zhǎng)達(dá)1公里,現(xiàn)存窟龕2345個(gè),題記和碑刻2680余品,佛塔70余座,造像10萬(wàn)余尊。其中最大的佛像高達(dá)17.14米。最小的僅有2厘米。這些都體現(xiàn)出了我國(guó)古代勞動(dòng)人民極高的藝術(shù)造詣。但其風(fēng)化侵蝕嚴(yán)重,如何加以保護(hù)一直是個(gè)難題。

第3篇:激光遙感技術(shù)范文

[關(guān)鍵詞]信息化測(cè)繪; 技術(shù)預(yù)見; 信息化測(cè)繪體系

中圖分類號(hào):G201 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-914X(2015)03-0050-01

1 引言

20世紀(jì)90年代以來(lái),技術(shù)預(yù)見已經(jīng)成為一股世界潮流, 無(wú)論日本、德國(guó)、英國(guó)等發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家都積極醞 釀、開展國(guó)家技術(shù)預(yù)見活動(dòng)。當(dāng)前, 技術(shù)預(yù)見活動(dòng)不僅推廣到世界上許多國(guó)家,并開始得到諸如聯(lián)合國(guó)工業(yè)發(fā)展組織、 亞太經(jīng)濟(jì)合作組織、國(guó)際經(jīng)濟(jì)合作與發(fā)展組織等國(guó)際組織的 重視和運(yùn)用, 全球性的技術(shù)預(yù)見趨勢(shì)已經(jīng)形成。 測(cè)繪科技進(jìn)步與創(chuàng)新是測(cè)繪事業(yè)發(fā)展的不竭動(dòng)力。當(dāng)前,我國(guó)測(cè)繪現(xiàn)代化已全面完成數(shù)字化測(cè)繪技術(shù)體系建設(shè),正邁進(jìn)信息化體系建設(shè)的新階段。為此,需要在國(guó)家層面 開展技術(shù)預(yù)見活動(dòng), 以便調(diào)動(dòng)全局力量,集中有限資源在 重點(diǎn)的關(guān)鍵技術(shù)領(lǐng)域?qū)崿F(xiàn)突破,加快測(cè)繪科技進(jìn)步與創(chuàng)新。本文針對(duì)信息化時(shí)代測(cè)繪發(fā)展的地理信息獲取實(shí)時(shí)化、處 理自動(dòng)化、服務(wù)網(wǎng)絡(luò)化、應(yīng)用社會(huì)化的總體發(fā)展趨勢(shì),預(yù)測(cè)提出了未來(lái)15年影響測(cè)繪發(fā)展的12項(xiàng)關(guān)鍵技術(shù)。

2 信息化測(cè)繪的基本特征

準(zhǔn)確把握信息化測(cè)繪的基本特征,是做好信息化測(cè)繪 關(guān)鍵技術(shù)預(yù)測(cè)工作的重要基礎(chǔ)和前提。1)數(shù)據(jù)獲取實(shí)時(shí)化 地理信息數(shù)據(jù)的獲取主要依賴于空間對(duì)地觀測(cè)技術(shù)手段,包括快速衛(wèi)星定位技術(shù)、航空航天遙感技術(shù)等, 可以動(dòng)態(tài)和快速地獲取測(cè)繪定位數(shù)據(jù)、遙感影像數(shù)據(jù)和其他測(cè) 繪需要的數(shù)據(jù)。 2)數(shù)據(jù)處理自動(dòng)化在地理信息數(shù)據(jù)的采集、處理、管理、更新和應(yīng)用過(guò) 程中廣泛采用自動(dòng)化、智能化技術(shù),可以實(shí)現(xiàn)對(duì)數(shù)據(jù)的快 速或?qū)崟r(shí)處理,滿足經(jīng)濟(jì)社會(huì)發(fā)展和人民生活的緊迫需求,滿足地理信息快速更新、實(shí)時(shí)更新的需要。3)信息服務(wù)網(wǎng)絡(luò)化地理信息傳輸交換和服務(wù)主要在網(wǎng)絡(luò)上進(jìn)行,可以對(duì) 分布在各地的地理信息進(jìn)行檢索、訪問(wèn)、瀏覽、下載和支付,任何人、在任何時(shí)候、任何地方都可以得到所需要的、權(quán)限范圍內(nèi)的地理信息服務(wù)。網(wǎng)絡(luò)化地理信息分發(fā)服務(wù)是信息化測(cè)繪的突出標(biāo)志。4)信息應(yīng)用社會(huì)化 地理信息服務(wù)領(lǐng)域更加廣泛,為社會(huì)提供的產(chǎn)品更加多樣化,企業(yè)成為服務(wù)的主體,地理信息應(yīng)用無(wú)處不在,地理信息資源得到高效利用,并在經(jīng)濟(jì)社會(huì)發(fā)展和人民生活中發(fā)揮更大的作用。

3 信息化測(cè)繪重大關(guān)鍵技術(shù)遴選的基本思路

1) 要與國(guó)家科技發(fā)展的總體戰(zhàn)略部署相銜接 測(cè)繪是經(jīng)濟(jì)社會(huì)發(fā)展的一項(xiàng)基礎(chǔ)性工作,測(cè)繪科技發(fā) 展必須與國(guó)家科學(xué)和技術(shù)發(fā)展的總體規(guī)劃緊密銜接。為此,要加強(qiáng)與 國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要 ( 2006年- 2020年 )中的相關(guān)重大專項(xiàng)和前沿技術(shù)的銜接。2) 要符合信息化測(cè)繪體系建設(shè)的基本要求當(dāng)前,國(guó)內(nèi)外測(cè)繪正朝著地理信息數(shù)據(jù)獲取實(shí)時(shí)化、 處理自動(dòng)化、產(chǎn)品知識(shí)化、服務(wù)網(wǎng)絡(luò)化和應(yīng)用社會(huì)化的方 向發(fā)展。未來(lái)影響測(cè)繪發(fā)展的重大關(guān)鍵技術(shù),必須是能夠 有力地引領(lǐng)和推動(dòng)測(cè)繪信息化發(fā)展的、能夠使測(cè)繪保障服務(wù)手段和方式產(chǎn)生革命性變化的核心技術(shù)。3) 要綜合考慮各類技術(shù)的代表性和前瞻性為使所遴選的技術(shù)更具代表性、前瞻性、影響力、全局 性和實(shí)用性, 需加以綜合分析和統(tǒng)籌考慮。本文研究提出的 關(guān)鍵技術(shù)主要包括以下三種類型: 第一類是極具前瞻性和國(guó) 際前沿性的技術(shù)。

4 信息化測(cè)繪的重大關(guān)鍵技術(shù)

1) 現(xiàn)代測(cè)繪基準(zhǔn)體系建設(shè)與維護(hù)技術(shù) 現(xiàn)代測(cè)繪基準(zhǔn)體系建設(shè)與維護(hù)技術(shù)是指構(gòu)建和維護(hù)與現(xiàn)代空間信息科學(xué)技術(shù)發(fā)展?fàn)顩r相適應(yīng)的現(xiàn)代測(cè)繪基準(zhǔn)體 系的技術(shù)的總稱,主要包括國(guó)際地球參考框架精化技術(shù)、 坐標(biāo)系轉(zhuǎn)換技術(shù)、厘米級(jí)大地水準(zhǔn)面精化技術(shù)、天體參考 框架構(gòu)建技術(shù)、高精度衛(wèi)星自主定軌技術(shù)等。當(dāng)前,世界各國(guó)都在不斷建設(shè)和完善各自的測(cè)繪基準(zhǔn)體系, 地心坐標(biāo) 系統(tǒng)取代參心坐標(biāo)系統(tǒng)已經(jīng)成為一種趨勢(shì),實(shí)現(xiàn)全球高程 系統(tǒng)的統(tǒng)一已不是遙遠(yuǎn)的將來(lái),利用地面跟蹤衛(wèi)星的觀測(cè)資料發(fā)展全球低階重力場(chǎng)模型和高精度全球大地水準(zhǔn)面正方興未艾。該項(xiàng)技術(shù)的實(shí)現(xiàn),將把傳統(tǒng)的參心、局域、靜態(tài)的測(cè)繪基準(zhǔn)體系改建成具有高精度、全地域、動(dòng)態(tài)、多 功能、三維、地心等特點(diǎn)的新體系,實(shí)現(xiàn)對(duì)地球形態(tài)完整 和精確的認(rèn)知,帶來(lái)大地測(cè)量領(lǐng)域的歷史性進(jìn)步。 2)衛(wèi)星精密測(cè)高技術(shù)衛(wèi)星精密測(cè)高技術(shù)是指基于衛(wèi)星重力探測(cè)技術(shù)和廣義相對(duì)論理論獲取高精度海拔高程的技術(shù)的總稱。3)綜合導(dǎo)航定位技術(shù) 綜合導(dǎo)航定位技術(shù)主要包括單點(diǎn)快速高精度定位技術(shù)、 地下智能探測(cè)和定位技術(shù)、水下高精度定位技術(shù)和室內(nèi)定 位技術(shù)等。4)移動(dòng)測(cè)量技術(shù)移動(dòng)測(cè)量技術(shù)主要包括多傳感器集成技術(shù)、傳感器時(shí) 間和空間同步技術(shù)、系統(tǒng)檢校技術(shù)、地理參考技術(shù)、道路 幾何特征的快速重建和交通標(biāo)志的自動(dòng)提取技術(shù)等。 5) 主動(dòng)遙感測(cè)圖技術(shù) 主動(dòng)遙感測(cè)圖技術(shù)是常規(guī)可見光紅外遙感的重要補(bǔ)充, 指利用不同載體搭載的傳感器向地面發(fā)射電磁波,根據(jù)地 面反射或散射回來(lái)的電磁波對(duì)地面進(jìn)行成像或建模的技術(shù) 的總稱,可分為激光遙感成像技術(shù)和微波遙感成像技術(shù)兩大類。6)智能化地球觀測(cè)衛(wèi)星技術(shù) 智能化地球觀測(cè)衛(wèi)星技術(shù)是構(gòu)建智能對(duì)地觀測(cè)系統(tǒng) (IEOS)的重要關(guān)鍵技術(shù),主要包括小衛(wèi)星技術(shù)、衛(wèi)星編隊(duì)與組網(wǎng)技術(shù)、多源衛(wèi)星遙感影像自動(dòng)處理技術(shù)、數(shù)據(jù)高速傳輸技術(shù)和新型傳感器技術(shù)等。當(dāng)前, 智能對(duì)地觀測(cè)系統(tǒng)已經(jīng)逐步從理論走向?qū)嶋H,衛(wèi)星編隊(duì)與組網(wǎng)技術(shù)已從設(shè)想發(fā)展到試驗(yàn)探索階段,小衛(wèi)星技術(shù)也有了長(zhǎng)足發(fā)展。

6 結(jié)束語(yǔ)

本文在對(duì)土地利用基礎(chǔ)圖件更新技術(shù)體系綜合評(píng)價(jià)分 析的基礎(chǔ)上,分析了 RS/GIS/GPS技術(shù)應(yīng)用于土地利用基 礎(chǔ)圖件更新的優(yōu)越性,提出了一套基于3S集成技術(shù)的 土地利用基礎(chǔ)圖件更新技術(shù)方法與流程,并將其應(yīng)用于縣級(jí)110 000比例尺的土地利用圖件與數(shù)據(jù)更新。針對(duì)我國(guó)具體國(guó)情和圖件更新作業(yè)特點(diǎn),構(gòu)建了土地利用基礎(chǔ)圖件 與數(shù)據(jù)更新軟件系統(tǒng),將整個(gè)圖件更新作業(yè)流程一體化功能集成,通過(guò)實(shí)踐應(yīng)用不斷對(duì)軟件優(yōu)化和完善,滿足了土地利用更新調(diào)查應(yīng)用需求,實(shí)現(xiàn)了土地利用基礎(chǔ)圖件的快速更新。

參考文獻(xiàn)

[1] 曾鈺,等縣級(jí)土地利用基礎(chǔ)圖件更新方法優(yōu)化研究 [J] 遙感信息, 2006,(3):22-25.

[2] 張繼賢, 楊貴軍 單一時(shí)相遙感數(shù)據(jù)土地利用與覆蓋變化自動(dòng)檢測(cè)方法 [J] 遙感學(xué)報(bào),2005,(3):294-299.